2026-09-14
1. GPT-6 Astra 刷穿 FrontierMath 最高层 Tier 4，25 位菲尔兹奖得主联名警示
Epoch AI 本周官宣 FrontierMath 最高层级 Tier 4 正式饱和——OpenAI 的 GPT-6 Astra 解出了该层级的全部剩余问题，得分从历史最佳的约 5% 一举冲至 97.6%，意味着整套 FrontierMath 基准已被 AI 完整攻克。此前该层级最高得分仅 5%，被视为大模型数学推理最后一个公认难点。与此同时，陶哲轩、Peter Scholze、邓煜等 25 位菲尔兹奖得主发表联名公开声明，警示 AI 公司把「解题」当基准竞赛式推进正在损害数学科学与共同体——解题只是工具，根本目标是概念理解与洞见，仓促发布的解答还会引发成果归属与剽窃问题、割裂数学家的传承链条。OpenAI 总裁 Greg Brockman 高调称「欢迎来到 AGI 时代」，黄仁勋亦发文附和。
值得关注：这是「能力」与「评价」同时抵达拐点的时刻：数学推理从公认最难评测（历史最佳 5%）被完整攻破（97.6%），证明大规模强化学习下推理能力的真实跃迁；但 25 位菲尔兹奖得主罕见的集体发声，使「能不能解」与「有没有理解」的争论从社区讨论升级为学科级张力。对开发者而言，FrontierMath 饱和意味着 Agent 与推理模型的下一轮验证将转向新基准，这是头部厂商继续刷分与学界要求减速的正面碰撞点——读懂这场碰撞比读懂任何单一跑分都更能看清本轮 AI 周期的走向。
2. 同模型 token 消耗相差 70 倍：AI 编程工具的隐性成本黑洞
InfoQ 三组测试发现，即便使用完全相同的底层模型，不同 AI 编程工具（如 Claude Code / Cursor / Copilot 等）的实际 token 消耗可相差最高 70 倍。成本差异主要来自 Agent 框架的启动开销与缓存命中率，而非模型本身的报价。在 Agent 大量调用工具、长上下文成为主战场的当下，框架层的 token 效率正成为决定团队实际账单的关键变量。
值得关注：选型不能只看模型单价，更要评估工具架构的 token 效率。该结论为 AI Coding 工具的性价比比较提供了可量化的新视角——同样一句需求，不同工具的「隐性成本」可能差出两个数量级，这会直接改写团队采购与自建 Coding Agent 的经济账。对正在把编码智能体推进生产环境的团队，这是一条比「哪个模型更强」更紧迫的提醒。
3. Kimi K2.8 全量上线：逼近旗舰 K3、百万上下文向所有会员开放，ARR 破 10 亿美元递表港交所
月之暗面 9 月 11 日在 Kimi Code 与 Kimi Work 中全量上线 K2.8 Preview，官方称综合性能接近下一代旗舰 K3，Coding 与 Agent 能力较上一代进一步提升；新模型支持 low / high / max 三档思考强度及图片、视频输入，1M 上下文窗口向所有会员开放（而 K3 同级别能力仍需更高会员档位）。公司披露 8 月 ARR 已突破 10 亿美元、年底目标 20 亿美元，并已向港交所递交上市申请，亟需低成本主力模型接棒高成本旗舰。
值得关注：延续国产模型「以长上下文换使用粘性」的竞争策略，并把「旗舰能力下放」做成明确的增长杠杆——接近 K3 的 Coding 与 Agent 能力搭配全员开放的百万上下文，比旗舰本身更可能成为开发者日常工作流里的默认选择。对开发者，这是低成本接入高 COT 推理 + 超长上下文的现实选项；对行业，8 月 ARR 破 10 亿美元与递表港交所，标志国产大模型第一波「收入验证」到来，模型竞争之外「能否把能力变现」开始成为新叙事核心。
4. 特斯拉向供应链下达约 5000 台 Optimus 量产订单，量产 S 曲线进入陡峭爬坡
据供应链渠道，特斯拉 9 月上旬向 T 链核心供应商一次性下达约 5000 台 Optimus 批量订单，为 4 月启动量产指引以来首笔千台级落地订单。弗里蒙特工厂原 Model S/X 产线仅用 46 天改造为机器人专用产线，8 月中旬初步调试完成、良率逐步爬坡；采购指引从 7 月周产 150 台、8 月 300 台、9 月 1000 台逐月爬升，年底冲刺 2000–2500 台/周（年化约 10 万台）。9 月国内供应商审厂已启动，被业内视为正式进入量产供货的「入场券」。注：该 5000 台数字目前仅来自供应链反馈，尚无特斯拉官方直接公告确认。
值得关注：订单量级从「数百台试产」跳到「数千台批量」，是一次质变：标志特斯拉完成「能不能造」的验证、正式进入「能造多少」的执行阶段，人形机器人量产 S 曲线的拐点信号由此确立。对国内供应链（执行器与灵巧手合计占 Optimus BOM 约六成）而言，9 月审厂 + 年底周产 2500 台目标意味着「拿到万台级量产门票」就在眼前。但对照行业现实（优必选上半年全尺寸机器人仅售 921 台、Figure 03 在宝马约 40 台），「订单已至、交付未成」仍是判断量产进度最冷静的坐标。
5. 宇树全开源 6B 具身基座模型 UnifoLM-WLA-1.0：单模型统筹 64 项任务，刷新开源 SOTA
宇树科技 9 月 10 日宣布全面升级并完全开源通用人形基座模型 UnifoLM-WLA-1.0（6B 参数 VLA），代码、权重与约 2500 小时高质量真机数据集同步开放、可免费商用与科研迭代。模型以 UnifoLM-ER-Flow 多模态主干 + MMDiT 动作专家构建，融入「动态区域预测」机制（先预测动作后果再执行），单模型统筹 54 项桌面精细操作 + 10 项全身移动操作共 64 项任务，支持跨末端执行器泛化，在 7 项具身推理评测领先全球开源模型、部分空间能力对标闭源。
值得关注：全球主流人形厂商核心模型多以闭源为主，宇树把基座「连家底一起交」，把「硬件平价 + 开源生态」打法复刻到模型层，大幅拉低高校与中小团队的准入门槛，标志其从整机厂向「硬件 + AI 模型」双轮驱动转型，与特斯拉 / Figure 的闭源路线形成鲜明对照。开源体系（UnifoLM 系列）成型后，国内具身智能的「安卓时刻」可能加速到来——竞争重心正从硬件步态表演转向模型泛化能力、真实场景作业效率的核心比拼。
